Assistente AI personalizzato: come configurare ChatGPT, Claude e Gemini per non ripartire da zero ogni volta

Apri ChatGPT, Claude o Gemini. Scrivi la tua richiesta. Ottieni una risposta magari corretta, ma generica. Il giorno dopo ricominci da capo: chi sei, cosa fai, che tono vuoi, come lavori, cosa evitare. Il problema, quasi sempre, non è il modello. È che il modello parte senza il tuo contesto operativo.

Oggi tutte e tre le piattaforme offrono strumenti per ridurre questo attrito, ma non lo fanno nello stesso modo. ChatGPT usa Custom Instructions, Memory e Projects. Claude usa profile preferences, Projects, Styles e funzioni di memory e chat search. Gemini usa Gems e, quando disponibili per account, device e impostazioni, anche le Connected Apps dell’ecosistema Google. La differenza tra una chat generica e un assistente davvero utile non sta solo nel modello. Sta in come imposti il contesto prima ancora di scrivere il prompt.

Il contesto persistente non è una feature secondaria

Quando non configuri nulla, il modello tende a rispondere come risponderebbe a un utente medio. Quando invece gli dai un contesto stabile — ruolo, settore, tono, vincoli, formati ricorrenti, materiali di riferimento — la qualità dell’output cambia in modo strutturale. Un prompt come “Scrivi un’email di follow-up dopo una demo di prodotto” senza configurazione produce quasi sempre una mail intercambiabile: ringraziamento generico, chiusura neutra, nessun legame reale con la situazione.

Con un contesto persistente del tipo “Sono il direttore commerciale di una società italiana di consulenza AI B2B. Lavoro con PMI del Nord Italia. Nelle email tengo un tono diretto, mai burocratico. Cito sempre il problema emerso nella demo, propongo un next step concreto e inserisco una timeline” — lo stesso prompt tende a generare un testo più utile, più vicino al tuo stile e soprattutto più spendibile senza riscriverlo da zero. Questo è il vero vantaggio: non una memoria magica in senso letterale, ma la capacità di conservare il tuo modo di lavorare tra una conversazione e l’altra. Per approfondire come scrivere istruzioni che cambiano davvero il risultato, scopri di più sul prompt engineering: cos’è, come funziona e perché serve in azienda.

ChatGPT: Custom Instructions e Projects

Su ChatGPT il livello base di personalizzazione è costituito dalle Custom Instructions. Si attivano da Impostazioni → Personalizzazione → Customize ChatGPT su web e desktop. Una volta abilitate, si applicano in modo trasversale alle chat. OpenAI indica un limite di 1.500 caratteri per i campi lunghi.

Le Custom Instructions non sono “un prompt da incollare ogni volta”, ma un pannello stabile in cui definisci come vuoi che ChatGPT ragioni e scriva per te. Non serve raccontare la tua biografia. Serve inserire soltanto ciò che cambia davvero l’output: chi sei in termini operativi, per chi lavori, che tipo di deliverable produci più spesso, tono e vincoli ricorrenti, formule o posture da evitare.

Se il lavoro è continuativo o legato a uno specifico flusso, il livello successivo sono i Projects. In ChatGPT un progetto raccoglie chat, file e istruzioni dedicate nello stesso spazio. Le project instructions si impostano da Project settings e valgono solo lì. La combinazione migliore: nelle Custom Instructions metti le regole permanenti, nei Projects metti il contesto di lavoro ripetuto, nel prompt scrivi solo ciò che cambia in quella singola richiesta. Per sapere di più su ChatGPT, scopri la guida completa su ChatGPT: cos’è, come funziona e come usarlo in azienda.

Claude: Projects, preferenze del profilo e Styles

Claude offre più livelli di personalizzazione di quanto spesso si racconti. Anthropic distingue tra preferenze del profilo, istruzioni di progetto e stili: tre livelli separati, pensati rispettivamente per le preferenze generali dell’account, il contesto del singolo workspace e la forma espressiva delle risposte.

Una correzione importante rispetto a molte sintesi online: i Projects di Claude sono disponibili anche agli utenti free, non solo ai piani a pagamento. Gli account gratuiti possono crearne fino a cinque. Il Project è il livello più operativo: è uno spazio di lavoro autonomo con istruzioni di progetto, file e materiali nella knowledge base, e cronologia di chat interna. Il vantaggio concreto è che puoi costruire un ambiente coerente per una funzione precisa: ricerca, contenuti, prevendita, onboarding, analisi documentale.

Le preferenze del profilo sono impostazioni account-wide, non legate a una singola chat né a un singolo progetto. Si impostano da Impostazioni → “Quali preferenze dovrebbe considerare Claude nelle risposte?”. Gli Styles, infine, non servono a dire a Claude cosa sapere, ma come rispondere: regolano tono, densità, formato e modo di espressione. Puoi usare stili predefiniti oppure crearne di personalizzati caricando esempi di scrittura.

Gemini: Gems e Connected Apps

Su Gemini, l’equivalente più vicino a un assistente specializzato è il Gem. La logica è semplice: dai un nome al Gem, scrivi istruzioni, opzionalmente aggiungi file o contenuti da Drive, salvi, e da quel momento puoi riutilizzarlo come assistente dedicato. I Gems funzionano bene quando vuoi creare assistenti mono-task o mono-dominio: email commerciali, revisione copy, analisi competitor, riassunti interni, supporto a un processo operativo ripetitivo.

Il punto forte di Gemini non è solo il Gem in sé: è il collegamento con le Connected Apps. Quando il setup lo consente, Gemini può lavorare con app e servizi collegati. Google specifica però chiaramente che disponibilità e comportamento delle Connected Apps variano per posizione, lingua, dispositivo e app usata. La formulazione corretta non è “Gemini raggiunge sempre nativamente Drive, Gmail e Calendar”: Gemini può diventare particolarmente efficace per chi lavora già nell’ecosistema Google, quando account, impostazioni e disponibilità locale lo permettono.

I tre errori più comuni

Il primo errore è usare il contesto come curriculum. Il modello non ha bisogno del tuo autobiografismo: ha bisogno di vincoli operativi. “Ho 15 anni di esperienza” spesso serve poco. “Nelle email non usare tono istituzionale, inserisci sempre un next step e cita il problema emerso in call” serve molto. Regola pratica: se togli una frase dal contesto e l’output non cambia, quella frase è rumore.

Il secondo errore è scrivere istruzioni che sembrano buone ma non vincolano nulla. “Rispondi in modo professionale e chiaro” è quasi inutile. “Nelle email resta sotto le 180 parole, non usare bullet, chiudi con una proposta operativa e una data” è un’istruzione verificabile. Per esempi di prompt verificabili e pronti all’uso, scopri di più sui migliori prompt per ChatGPT in ambito aziendale.

Il terzo errore è configurare una volta e poi dimenticare. Il contesto persistente funziona finché rappresenta la realtà. Se cambi ruolo, clienti, formato dei deliverable o tono ma lasci le stesse istruzioni per mesi, il modello inizierà a lavorare per una versione vecchia di te. Una revisione periodica è sufficiente: non ogni settimana, ma quando ti accorgi che stai correggendo sempre lo stesso difetto, probabilmente non devi correggere la singola risposta, ma aggiornare il contesto.

Quale delle tre conviene scegliere?

Non esiste una vincitrice assoluta. Esiste la piattaforma più coerente con il tuo modo di lavorare. ChatGPT ha senso se vuoi una combinazione forte tra personalizzazione globale e spazi di lavoro dedicati, con un ecosistema molto flessibile tra istruzioni, file, memoria e strumenti. Claude ha senso se vuoi un ambiente pulito e ben separato tra preferenze generali, progetto e stile, soprattutto per lavori che richiedono coerenza editoriale e uso ordinato di materiali di riferimento. Gemini ha senso se il tuo lavoro vive già dentro Google e vuoi trasformare workflow ripetitivi in assistenti leggeri, veloci da creare e facili da riusare.

La cosa giusta da fare in pratica è semplice: non partire da un setup aziendale complesso. Scegli una piattaforma, configura un contesto minimo ma buono, usalo per due settimane su un task ricorrente (email, proposte, report, riassunti, analisi) e misura quanto briefing ripetitivo hai eliminato. Il salto di qualità nell’uso dell’AI non arriva necessariamente da un modello nuovo. Arriva quando smetti di trattare ogni chat come una conversazione isolata e inizi a costruire un contesto che il modello possa davvero usare.

More Insights